碳纤维特性对C/ C 复合材料界面性能的影响

分别采用扫描电镜、比表面积与孔体积分析仪等手段对日丝(RS-Cf ) 和美丝(MS-Cf ) 两种碳纤 维进行表面状态表征分析,通过纤维顶出试验、冲剪强度和弯曲强度对两种纤维制备的C/ C 复合材料界面性 能进行了微观和宏观测试,研究了不同表观结构纤维对C/ C 复合材料界面性能的影响。纤维表面形貌观察结 果表明:圆形RS-Cf 表面沟槽比腰果形MS-Cf 明显,但沟槽数量少于MS-Cf,而MS-Cf 的比表面积、孔体积和 孔径均大于RS-Cf。RS-C/ C、MS-C/ C 复合材料界面强度分别为2. 98 和3. 80 MPa;RS-C/ C 复合材料的弯曲 和冲剪强度分别为55. 9 和32. 0 MPa,低于MS-C/ C 复合材料的65． 0 和35. 2 MPa,微观和宏观力学性能均表 明MS-C/ C 复合材料的界面强度高于RS-C/ C 复合材料。     

基于形状记忆聚合物复合材料航天航空可变形结构技术研究进展

形状记忆聚合物及其复合材料是一种在相应的外界刺激下可以在临时形状和初始形状之间进行切换的智能材料,具有低密度、低成本、可回复变形大,刺激方式可控等优点,在航天航空领域,如:空间可展开结构、锁紧释放机构、变体等,展现出来了巨大的应用潜力。这些应用大多处于开发阶段,一部分完成了地面功能验证,少部分进行了航天实验。本文首先总结了形状记忆聚合物(SMP)和形状记忆聚合物复合材料(SMPC)的分类,以及恶劣的空间环境因素下SMP的性能变化。随后总结了SMPC的空间可展开结构,包括:铰链、桁架、太阳能电池阵;SMPC的解锁释放结构;SMPC的变体结构以及基于4D打印的SMPC可展开结构的潜在应用。最后,对形状记忆材料和结构的发展前景进行了展望。     

A hybrid deep neural network based on multi-time window convolutional bidirectional LSTM for civil aircraft APU hazard identification

Safety is one of the important topics in the field of civil aviation. Auxiliary Power Unit(APU) is one of important components in aircraft, which provides electrical power and compressed air for aircraft. The hazards in APU are prone to cause economic losses and even casualties. So,actively identifying the hazards in APU before an accident occurs is necessary. In this paper, a Hybrid Deep Neural Network(HDNN) based on multi-time window convolutional neural network-Bidirectional Long Short-Term M...